caffe学习记录（九） CRNN+BLSTM+CTC OCR识别，后续加上SSD做检测

https://github.com/senlinuc/caffe_ocr源代码在此，是基于senlnuc的模型进行学习的。

好长时间没更新学习博客了，之前一直在忙着做基网络模型的评测，以及tesseract 和其他Ocr的研究等。

更新一下最近学习的OCR检测，要求是速度要快，准确度要相对较高！

整个操作流程：

先用卷积进行特征提取，这里我用的是Densenet的模型，然后用双Lstm进行不定长处理，然后接上warp-ctc进行去重定向。

作者中文字符识别的准确率如下表：

我是基于linux进行的英文自然场景英文识别，目前还在识别的训练阶段，接下来会加上自然场景的检测，暂定用mobileNet-ssd。训好后会放出评测

 

转载于:https://www.cnblogs.com/ChrisInsistPy/p/9779591.html